一、机器学习提供了优化HVAC运行的捷径

建筑工程助理教授格雷戈里·帕夫拉克 (Gregory Pavlak) 表示，建筑物中的供暖、通风和空调控制机制遵循设定的参数，以使建筑物中的条件更加舒适，但它们节省的时间会降低效率并增加能源成本。更复杂的控制模型(称为模型预测控制器)可以优化多个变量以节省能源、运营成本和碳排放，但可能需要更多时间来寻找解决方案。宾夕法尼亚州立大学的研究人员开发了一种方法，该方法利用机器学习来创建控制，在快速计算的同时平衡建筑能源成本、舒适度和效率。他们于 2 月在《能源》杂志上发表了他们的发现。“详细的模型预测控制器可能无法以足够快的速度计算解决方案，以便在某些建筑物中进行实时操作，”Pavlak 说。“我们使用机器学习生成了一套简单、易于解释的规则，用于降低建筑冷却能耗和运营成本——无需实时运行模型预测控制器。”为了确定模型预测控制器实现的最佳解决方案的捷径，研究人员使用了控制器并从中收集数据。该团队的目标是持续带来良好性能的模式。一旦确定了这些模式，研究人员就会将它们过滤并分组为控制策略的类别。这些类别提供了可用于训练机器学习模型的高性能控制策略示例。生成一组决策规则的分类树被用于机器学习模型，以确定一天中为建筑物降温的最佳时间。

二、机器学习与优化(关于机器学习与优化的简介)